首页--环境科学、安全科学论文--环境污染及其防治论文--大气污染及其防治论文

基于数据挖掘的成都市空气质量预测系统设计

摘要第4-6页
Abstract第6-7页
1 绪论第11-19页
    1.1 选题背景和意义第11-13页
        1.1.1 选题背景第11-12页
        1.1.2 选题意义第12-13页
    1.2 国内外研究现状第13-16页
        1.2.1 空气质量与气象因素的关系研究现状第13-14页
        1.2.2 空气质量预测系统现状第14-16页
    1.3 本文的研究内容第16-17页
    1.4 论文结构安排第17-19页
2 相关技术第19-23页
    2.1 Python语言简介第19-20页
        2.1.1 Python语言特点第19页
        2.1.2 Python的应用现状第19-20页
    2.2 PyQt5简介第20-21页
    2.3 DjangoWeb框架第21页
    2.4 MySQL数据库第21-22页
    2.5 Matplotlib简介第22页
    2.6 本章小结第22-23页
3 基于数据挖掘的成都市空气质量预测系统分析与设计第23-31页
    3.1 系统需求分析第23-24页
        3.1.1 系统功能需求第23-24页
        3.1.2 系统性能需求第24页
        3.1.3 数据需求分析第24页
    3.2 系统总体设计第24-25页
    3.3 网络爬虫设计第25-26页
    3.4 Web端软件设计第26-29页
        3.4.1 Web端软件架构设计第26-27页
        3.4.2 Web端面向对象设计第27页
        3.4.3 Web端数据库设计第27-29页
    3.5 系统预测模块设计第29-30页
    3.6 本章小结第30-31页
4 基于数据挖掘的成都市空气质量预测模型第31-61页
    4.1 数据挖掘第31-32页
    4.2 成都市空气质量数据预处理和探索分析第32-38页
        4.2.1 数据预处理第33-34页
        4.2.2 Adaptive-Lasso变量选择第34-35页
        4.2.3 PM10和PM2.5与气象因子的相关性分析第35-38页
    4.3 BP神经网络基本理论第38-42页
        4.3.1 人工神经网络第38-39页
        4.3.2 BP神经网络第39-42页
    4.4 差分进化算法第42-50页
        4.4.1 标准差分进化算法第42-43页
        4.4.2 改进差分算法第43-44页
        4.4.3 改进差分进化算法的性能测试第44-50页
    4.5 布谷鸟搜索算法第50-51页
        4.5.1 标准布谷鸟搜索算法第50-51页
        4.5.2 改进布谷鸟搜索算法第51页
    4.6 两种预测模型建立第51-54页
        4.6.1 改进差分进化算法优化BP神经网络(IDE-BPNN)第52-53页
        4.6.2 改进布谷鸟搜索算法优化BP神经网络(ICS-BPNN)第53-54页
    4.7 预测结果与分析第54-60页
        4.7.0 预测性能评估标准第54-56页
        4.7.1 预测模型参数设置第56-57页
        4.7.2 预测结果及分析第57-60页
    4.8 本章小结第60-61页
5 系统的实现与测试第61-74页
    5.1 软件开发环境第61页
    5.2 网络爬虫模块第61-65页
    5.3 Web端功能模块第65-66页
        5.3.1 数据后台模块第65-66页
        5.3.2 Web前端模块第66页
    5.4 预测模块第66-67页
        5.4.1 数据导入第66-67页
        5.4.2 分析预测第67页
    5.5 系统测试第67-73页
        5.5.1 网络爬虫功能测试第68-69页
        5.5.2 Web端功能测试第69-72页
        5.5.3 预测模块功能测试第72-73页
        5.5.4 性能测试第73页
    5.6 本章小结第73-74页
6 总结与展望第74-76页
    6.1 总结第74-75页
    6.2 展望第75-76页
参考文献第76-80页
攻读硕士学位期间发表论文及科研成果第80-81页
致谢第81-83页

论文共83页,点击 下载论文
上一篇:基于BIM技术的绿色建筑评价研究
下一篇:基于稀疏表示和深度学习的液滴图像超分辨重建